LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

Dimension: px
Commencer à balayer dès la page:

Download "LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION"

Transcription

1 LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation. Un problème d'optimisation va être représenté par un problème de programmation mathématique : les variables de décision sont des variables numériques, la représentation des décisions possibles et du critère fait appel à des équations ou fonctions mathématiques. Plus précisément, nous introduisons ici le problème particulier de programmation linéaire. I Exemples d introduction Exemple 1 Le problème L'entreprise "Nacege", spécialisée dans la fabrication de matériels informatiques, propose à son catalogue d'ordinateurs des centaines de référence. Pour simplifier, on ne s'intéresse ici qu'à deux types d'ordinateurs : le IM4 et le IM5. Chacun d'eux comporte un processeur - le même - mais les deux modèles diffèrent en particulier par le nombre de barrettes mémoires. Plus précisément, le IM4 comporte 2 barrettes alors que le IM5 en comporte 6. Le marché pour ces composants est tel qu'on ne peut espérer acheter auprès des fournisseurs habituels plus de processeurs pour le trimestre à venir et plus de barrettes. Une autre limitation risque d intervenir sur la production. L assemblage est caractérisé, en particulier, par une opération délicate, qui pour l IM4 est de 3 minutes alors que pour l IM5 elle n est que d une minute ; on ne dispose a priori pour l assemblage de ces deux types de machines que de minutes pour le trimestre à venir. Enfin, compte tenu des conditions actuelles du marché, on peut espérer retirer un profit de 400 euros sur l IM4 et de 800 euros sur l IM5. Le problème est de déterminer les quantités de chacun des deux types d'ordinateurs à fabriquer de manière à obtenir le plus grand profit possible. Modélisation du problème Nous examinons dans l ordre la représentation des décisions, des décisions possibles et du critère. Les décisions Les décisions concernent les quantités à fabriquer, ce qui se représente naturellement par deux nombres positifs x1 pour l IM4 et x2 pour l IM5. Les décisions possibles Il s agit de représenter les différentes contraintes limitant la production de ces deux types d ordinateur. La première porte sur la limitation du nombre de processeurs disponibles : chaque machine utilise un processeur et on peut en disposer de On doit donc imposer : x1 + x De même, le nombre de barrettes est limité. Compte tenu du nombre de barrettes dans chacun des 2 ordinateurs et du nombre de barrettes disponibles, cette contrainte se traduit par : 2x1 + 6x Enfin, la contrainte portant sur le temps d'assemblage s'écrit : La programmation linéaire : un outil de modélisation 1

2 3x1 + x L ensemble des décisions possibles est donc caractérisé par l ensemble des valeurs de x1 et x2 vérifiant : x1 + x x1 + 6x x1 + x x1 0 x2 0 Le critère On souhaite maximiser le profit qui est représenté par : 400x x2. Le problème initial est donc modélisé par le problème de programmation mathématique suivant : Max (400 x x2) sous les contraintes x1 + x x1 + 6x x1 + x x1 0x2 0 Le modèle obtenu est un exemple de problème de programmation linéaire. Exemple 2 Présentons d abord le problème. Une entreprise disposant de plusieurs lieux de production doit transporter ses produits finis vers des entrepôts régionaux pour répondre aux besoins locaux. Pour simplifier l exemple, on se contente de 2 usines avec 3 entrepôts. On peut a priori faire transiter le produit de n'importe quelle unité de production vers n'importe quel entrepôt. Chaque unité de production a une capacité limitée. Supposons, par exemple, que la capacité de production de l usine 1 (notée U1) soit de 100 (en milliers de tonnes) et celle de l usine U2 de 150. Les entrepôts ont exprimé une demande qui doit être satisfaite : l'entrepôt 1, noté E1, a une demande de 50 (en milliers de tonnes), le deuxième 70 et le troisième 80. Le coût de transport dépend bien sûr du trajet à effectuer et du mode de transport, donc de l'usine de départ et de l'entrepôt d'arrivée. Le coût de transport par tonne de l usine i (i = 1,2) vers l entrepôt j (j = 1,2,3) est donné dans le tableau suivant. E1 E2 E3 U U Le problème est de déterminer les quantités à transporter de chaque usine vers chaque entrepôt, de manière à minimiser le coût total de transport tout en respectant les contraintes de capacité des usines et de demande des entrepôts. Le modèle Les décisions Elles portent sur les quantités à transporter. La quantité transportée (en milliers de tonnes) de l'usine i vers le dépôt j est représentée par la variable positive xij (i = 1,2 et j = 1,2,3). La programmation linéaire : un outil de modélisation 2

3 Les décisions possibles Il s agit de traduire les contraintes limitant les décisions. Il y a deux types de contraintes, celle portant sur la capacité des usines et celle portant sur la demande des magasins. - Limitation sur la capacité de production des usines Il faut exprimer que, de chaque usine, ne peut partir une quantité supérieure à ce qu elle est capable de produire. Pour l usine U1, x11 + x12 + x13 représente, en milliers de tonnes, ce qui part vers les entrepôts. La contrainte sur la capacité de l usine U1 est traduite par : x11 + x12 + x Pour l'usine 2, on a de même : x21 + x22 + x Limitation sur la demande des entrepôts Ce qui arrive à chaque entrepôt doit être égal à ce qu il a demandé. Pour l entrepôt E1, x11 + x21 représente la quantité qui lui est livrée. Sa demande étant de 50, on doit donc imposer : x11 + x21 = 50 On a de même pour les 2 autres entrepôts : x12 + x22 = 70 x13 + x23 = 80 L ensemble des décisions possibles est donc caractérisé par l ensemble des valeurs des xij vérifiant : x11 + x12 + x x21 + x22 + x x11 + x21 = 50 x12 + x22 = 70 x13 + x23 = 80 xij 0 i = 1,2 j = 1,2,3 Le critère On souhaite minimiser le coût total de transport. Si on fait l hypothèse que sur chaque trajet le coût est proportionnel aux quantités transportées, le coût total s écrit : 4 x x x x x x23 que l on souhaite minimiser. Le problème initial est donc modélisé par le problème de programmation mathématique. Min 4 x x x x x x23 sous les contraintes x11 + x12 + x x21 + x22 + x x11 + x21 = 50 x12 + x22 = 70 x13 + x23 = 80 xij 0 i = 1,2 j = 1,2,3 Ce problème, appelé "problème de transport classique", est, comme dans le premier exemple, modélisé par un problème de programmation linéaire. La programmation linéaire : un outil de modélisation 3

4 II Définition d un problème de programmation linéaire Le modèle type de programmation linéaire peut être retenu pour représenter de nombreux problèmes. Un problème sera modélisé par un problème de programmation linéaire si : - les décisions peuvent être représentées par des nombres réels (généralement positifs), - les contraintes portant sur ces variables peuvent être représentées par des équations ou des inéquations linéaires c'est-à-dire que les variables n'interviennent qu'au premier degré (pas de carrés, pas de produit de variables), - le critère de choix peut être représenté par une fonction linéaire des variables que l'on souhaitera minimiser ou maximiser. La forme générale d un problème de programmation linéaire de n variables et p contraintes est : min ou max c1x1 + c2x cj xj + + cnxn sous les contraintes ai1 x1 + ai2 x2 + + ain xn, ou = d i pour i = 1,..p xj 0 j = 1,...,n Les coefficients c j de la fonction objectif, les coefficients a ij du premier membre des contraintes et les seconds membres d i des contraintes sont des données du problème. Définitions Une solution réalisable est un n-uplet (x1,...,xn) vérifiant toutes les contraintes. Une solution optimale est une solution réalisable qui donne à la fonction objectif la plus grande (problème de maximisation) ou la plus petite valeur possible (problème de minimisation) sur l ensemble des solutions réalisables. La valeur maximale (resp : minimale) de la fonction objectif (à ne pas confondre avec la solution optimale) est la plus grande valeur (resp : la plus petite) que peut prendre la fonction objectif sur l ensemble des solutions réalisables. Les exemples de problème qui relèvent de la programmation linéaire sont fort nombreux. On peut citer : - les problèmes de mélange : quelle est la composition optimale d un produit? - les problèmes de planification de production : quand et à quel moment doit-on planifier la production d un bien, - les problèmes de transport, généralisation du problème de transport classique, - les problèmes de planification d horaires, - les problèmes de découpe industrielle... La programmation linéaire : un outil de modélisation 4

5 III Résolution graphique d'un problème de programmation linéaire De manière très générale, la résolution d un problème de programmation linéaire nécessite la mise en oeuvre d un algorithme. Nous en verrons le principe dans la leçon suivante. Dans le cas où le problème ne comporterait que deux variables, on peut le résoudre graphiquement. Cette résolution graphique permet de mettre en évidence certaines propriétés que possède n importe quel problème de programmation linéaire. Considérons le problème de l exemple 1 : Max (400 x x2) x1 + x (1) 2x1 + 6x (2) 3x1 + x (3) x1 0 x2 0 A chaque couple de variables x 1 et x 2, on associe un point du plan dont les coordonnées correspondent aux valeurs des variables. Les variables étant positives, ces points sont situés dans l'orthant positif (le quart Nord-Est du plan). Chaque contrainte permet de délimiter une partie du plan. Par exemple, la droite d'équation x 1 + x 2 = définit 2 demi-plans. Au-dessus de cette droite, les coordonnées des points du plan vérifient x 1 + x 2 > On est donc conduit à exclure ces points. On fait de même pour les 2 autres contraintes. On trace les droites d'équation x 1 + 2x 2 = et 3x 1 + x 2 = et on élimine les points situés audessus de ces droites. Les solutions réalisables du problème correspondent aux points du plan situés à l'intérieur du polyédre O A B C D et sur ses bords. Il s'agit maintenant de déterminer parmi tous ces points celui ou ceux qui correspondent à la plus grande valeur possible pour la fonction objectif 400 x x2 Considérons la droite d équation 400 x x2 = k où k est une constante. Tous les points situés sur cette droite donnent à l expression 400 x x2 la même valeur k. Ils sont équivalents du point de vue du profit. Si on déplace cette droite vers la droite, la valeur de k augmente. La valeur limite pour k est obtenue pour la droite passant par le point B. La programmation linéaire : un outil de modélisation 5

6 On peut conclure que sur l'ensemble du domaine des solutions réalisables, celle qui donne la plus grande valeur à la fonction objectif correspond au point B dont les coordonnées peuvent être calculés comme point d'intersection des contraintes (1) et (2). La solution optimale du problème est x1 = x2 = La valeur maximale de la fonction objectif est : Pour l entreprise, ceci signifie que la répartition optimale entre les deux types d ordinateurs est de 3000 ordinateurs de type IM4 et 7000 ordinateurs de type IM5 avec un profit maximal de L analyse de cette solution montre que tous les processeurs et toutes les barrettes sont utilisés, mais qu'il reste du temps d assemblage disponible. On dit que les contraintes (1) et (2) sont saturées ou liées : elles sont vérifiées avec égalité à l optimum alors que la contrainte (3) est non saturée ou non liée : il y a une marge entre la valeur de son premier et celle de son second membre à l optimum. IV Etude graphique de l analyse de sensibilité Problème 1 La modélisation et la résolution du modèle a été faite en supposant que le profit sur le IM4 était de 400. En fait, cette machine est très bien accueillie sur le marché et les coûts de fabrication sont moins élevés que prévus. On peut donc espérer un profit plus important sur ce type de machine. Faut-il en produire davantage quitte à diminuer la production de l'im5? Le profit p1 sur l IM4 devient un paramètre du problème qui s'écrit maintenant : La programmation linéaire : un outil de modélisation 6

7 Max (p1 x x2) x1 + x (1) 2x1 + 6x (2) 3x1 + x (3) x1 0 x2 0 Analysons graphiquement les conséquences de la variation du profit sur l'im4. La droite représentative du profit avait pour équation 400 x x2 = constante. La variation du profit sur l'im4 implique que le coefficient de x1 dans cette équation varie et donc que la pente de la droite représentative du profit varie. Tant que la pente de cette droite reste comprise entre celle des droites (1) et (2), le raisonnement fait lors de la résolution graphique conduit à la conclusion que la solution associée au point B est toujours optimale. L'intervalle de variation de p1 est donné par : 1/3 p1/800 1 soit 800/3 p1 800 On a donc mis en évidence un intervalle de variation du coefficient de x 1 dans la fonction objectif sur lequel la solution optimale n'est pas changée. Dans cet exemple, ceci nous conduit à la conclusion que tant que le profit sur l'im4 reste entre 800/3 et 800, il faut continuer à produire 3000 unités de l IM4 et 7000 pour l'im5. Pour ces mêmes valeurs de p1, la valeur maximale du profit total sera égale à : p * 7000 = p Problème 2 Un deuxième problème se pose : actuellement, le nombre de processeurs que l'on pourrait acquérir est estimé à Mais l incertitude sur les quantités susceptibles d'être livrées est grande. On voudrait savoir quel serait l'impact sur la production d'une modification de cette quantité. L'analyse graphique va nous apporter une réponse. La contrainte portant sur le nombre de processeurs est représentée par la droite (1) dont l équation x1+ x2 = passe à x1 + x2 = ! Graphiquement cela signifie que la contrainte (1) se déplace parallèlement à elle-même, vers le haut si! est positif, vers le bas si! est négatif. On constate alors que le point B intersection des droites (1) et (2) en lequel se trouve actuellement la solution optimale se déplace sur la droite (2). Comme les pentes des droites (1) et (2) ne sont pas changées, la solution optimale reste à l'intersection des contraintes (1) et (2), à condition cependant que ce point reste dans le domaine des solutions réalisables. Dans ces conditions, pour avoir la solution optimale, il suffit de déterminer les coordonnées du point d'intersection des droites (1) et (2). x1+ x2 = ! et 2x1 + 6x2 = soit x1 = ! /2 et x2 = ! /2 Ces valeurs correspondent à la solution optimale, à condition que cette solution soit réalisable. x1 0, x2 0 et la contrainte (3) doit rester satisfaite : x ! /2 0!! x ! /2 0! Contrainte (3) satisfaite 3 ( ! /2) ! / ! soit ! La programmation linéaire : un outil de modélisation 7

8 Tant que! reste compris entre et 2000, la solution optimale reste à l intersection des contraintes (1) et (2) : c est à dire que les processeurs et les barrettes continuent d être utilisés entièrement alors qu il reste toujours du temps d assemblage disponible. Les quantités à fabriquer dépendent cependant de!, c est à dire du nombre de processeurs disponibles. Pour! processeurs supplémentaires, la production de l IM4 augmente de 3! /2 alors que celle de l IM5 diminue de! /2. La variation du profit sera alors égale à 400* 3! /2-800*! / 2 = 200!. Chaque processeur supplémentaire pourrait faire augmenter le profit de 200, ou au contraire, toute diminution de ce nombre de processeurs le fera diminuer de 200 par processeur en moins, et ceci sur un intervalle allant de processeurs à processeurs. De cette information on doit pouvoir tirer les conséquences sur l intérêt que l on pourrait avoir à trouver un autre fournisseur susceptible de fournir lui-aussi ce matériel à un prix qui, le cas échéant, pourrait être supérieur au prix actuel, compte-tenu de ce que cela peut rapporter. Nous venons de voir graphiquement quelles pouvaient être les conséquences d une variation d un coefficient de la fonction objectif ou du second membre d une contrainte. Tout problème de programmation linéaire donne lieu à ce type d'analyse et les résultats obtenus ici sont généraux. La programmation linéaire : un outil de modélisation 8

LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE

LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE Nous abordons dans cette leçon la partie analyse de sensibilité de la résolution d'un problème de programmation linéaire. Il s'agit d'étudier les conséquences

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

LE PROBLEME DU FLOT MAXIMAL

LE PROBLEME DU FLOT MAXIMAL LE PROBLEME DU FLOT MAXIMAL I Exemple d introduction Deux châteaux d'eau alimentent 3 villes à travers un réseau de canalisations au sein duquel se trouvent également des stations de pompage. Les châteaux

Plus en détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA 75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche

Plus en détail

Recherche Opérationnelle

Recherche Opérationnelle Chapitre 2 : Programmation linéaire (Introduction) Vendredi 06 Novembre 2015 Sommaire 1 Historique 2 3 4 5 Plan 1 Historique 2 3 4 5 La programmation linéaire est un cadre mathématique général permettant

Plus en détail

Équations - Inéquations - Systèmes

Équations - Inéquations - Systèmes Équations - Inéquations - Systèmes I Premier degré Propriétés Soit f définie sur IR par f(x = ax + b avec a 0. f est une fonction affine, elle est représentée graphiquement par une droite. a est le coefficient

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

- 04 - LA METHODE DU COÛT MARGINAL. Découverte de l'analyse marginale appliquée aux coûts et aux marges.

- 04 - LA METHODE DU COÛT MARGINAL. Découverte de l'analyse marginale appliquée aux coûts et aux marges. - 04 - LA METHODE DU COÛT MARGINAL Objectif(s) : o Pré requis : o Modalités : o o o o o o Découverte de l'analyse marginale appliquée aux coûts et aux marges. Notions de dérivée. Principes, Exemples, Synthèse,

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

Plus en détail

www.almohandiss.com Recherche opérationnelle EXERCICES DE Serveur d'exercices 1/16

www.almohandiss.com Recherche opérationnelle EXERCICES DE Serveur d'exercices 1/16 EXERCICES DE RECHERCHE OPERATIONNELLE Serveur d'exercices 1/16 EXERCICE 1. Niveau : Gymnase (Lycée) Auteur : Vincent Isoz (isozv@hotmail.com Mots-clés : recherche opérationnelle Enoncé : Supposons qu'une

Plus en détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre Recherche opérationnelle Programmation linéaire et recherche opérationnelle Ioan Todinca Ioan.Todinca@univ-orleans.fr tél. 0 38 41 7 93 bureau : en bas à gauche Tentative de définition Ensemble de méthodes

Plus en détail

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html

Plus en détail

Les méthodes classiques des coûts complets et la méthode ABC

Les méthodes classiques des coûts complets et la méthode ABC PARTIE 1 Les méthodes classiques des coûts complets et la méthode ABC THÈME 2 Le traitement des charges : les charges directes et indirectes EXERCICE 2 Méthode des centres d analyse et méthode simplifiée

Plus en détail

Baccalauréat STG Mercatique Nouvelle-Calédonie 15 novembre 2012 Correction

Baccalauréat STG Mercatique Nouvelle-Calédonie 15 novembre 2012 Correction Baccalauréat STG Mercatique Nouvelle-Calédonie 15 novembre 2012 Correction EXERCICE 1 : TAUX D ÉVOLUTION 5 points Le tableau ci-dessous présente le nombre de voitures neuves vendues en France en 1980,

Plus en détail

LES FONCTIONS : GENERALITES ET VARIATIONS

LES FONCTIONS : GENERALITES ET VARIATIONS 1 sur 10 LES FONCTIONS : GENERALITES ET VARIATIONS Activité conseillée p42 n 1 : Évolution du climat Activité conseillée p22 n 1 : Évolution du climat p61 n 5 p74 n 82 p61 n 7 p43 n 19 p44 n 20 p44 n 21

Plus en détail

Terminale ES Correction du bac blanc de Mathématiques (version spécialité).

Terminale ES Correction du bac blanc de Mathématiques (version spécialité). Terminale ES Correction du bac blanc de Mathématiques (version spécialité). Lycée Jacques Monod février 05 Exercice : Voici les graphiques des questions. et.. A 4 A Graphique Question. Graphique Question..

Plus en détail

1ES DS commun du jeudi 5 mai 2011. MATHEMATIQUES

1ES DS commun du jeudi 5 mai 2011. MATHEMATIQUES 1ES DS commun du jeudi 5 mai 011. MATHEMATIQUES NOM. Exercice 1 (8 points/40) Cet exercice est un QCM. Pour chaque question une seule réponse est exacte. On demande d entourer la bonne réponse et aucune

Plus en détail

Fonction inverse Fonctions homographiques

Fonction inverse Fonctions homographiques Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................

Plus en détail

Cours de Mathématiques Seconde. Généralités sur les fonctions

Cours de Mathématiques Seconde. Généralités sur les fonctions Cours de Mathématiques Seconde Frédéric Demoulin 1 Dernière révision : 16 avril 007 Document diffusé via le site www.bacamaths.net de Gilles Costantini 1 frederic.demoulin (chez) voila.fr gilles.costantini

Plus en détail

La notion de dualité

La notion de dualité La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A

Plus en détail

Première ES DS1 second degré 2014-2015 S1

Première ES DS1 second degré 2014-2015 S1 1 Première ES DS1 second degré 2014-2015 S1 Exercice 1 : (3 points) Soit la parabole d équation y = 25x² - 10x + 1. On considère cette parabole représentée dans un repère (O ;I,J). 1) Déterminer les coordonnées

Plus en détail

Sujet de Bac 2012 Maths ES Obligatoire & Spécialité - Métropole

Sujet de Bac 2012 Maths ES Obligatoire & Spécialité - Métropole Sujet de Bac 2012 Maths ES Obligatoire & Spécialité - Métropole Exercice 1 : 5 points Sur le site http: //www.agencebio.org, on a extrait des informations concernant l agriculture en France métropolitaine.

Plus en détail

Cours de mathématiques - Alternance Gea

Cours de mathématiques - Alternance Gea Cours de mathématiques - Alternance Gea Anne Fredet 3 novembre 2005 1 programmation linéaire à deux variables 1.1 Partitionnement du plan Une droite permet de découper un plan en plusieurs parties. Droite

Plus en détail

Solutions optimales multiples. 3D.1 Unicité de la solution optimale du modèle (FRB)

Solutions optimales multiples. 3D.1 Unicité de la solution optimale du modèle (FRB) 3D Solutions optimales multiples 3D.1 Unicité de la solution optimale du modèle (FRB) Le modèle (FRB) admet une solution optimale unique. En effet (voir page 182), l'algorithme du simplexe se termine par

Plus en détail

Niveau de production croissant

Niveau de production croissant En effet, la fonction de production définit : l ensemble de production l ensemble des paniers de facteurs qui permettent de produire un niveau donné de bien. Cette fonction permet de définir des courbes

Plus en détail

1 Programmation linéaire

1 Programmation linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2012 2013 Master d économie Cours de M. Desgraupes Méthodes Numériques Document 4 : Corrigé des exercices d optimisation linéaire

Plus en détail

Chapitre 11. Premières Notions sur les fonctions

Chapitre 11. Premières Notions sur les fonctions Chapitre 11 Premières Notions sur les fonctions 1. Exemples Exemple 1 La distance parcourue par une automobile en un temps donné varie en fonction de sa vitesse. Faire deux phrases utilisant les mots suivants.

Plus en détail

OPTIMISATION À UNE VARIABLE

OPTIMISATION À UNE VARIABLE OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum

Plus en détail

ORDRE DE RÉACTION : MÉTHODES DE

ORDRE DE RÉACTION : MÉTHODES DE ORDRE DE RÉACTION : MÉTHODES DE RÉSOLUTION Table des matières 1 Méthodes expérimentales 2 1.1 Position du problème..................................... 2 1.2 Dégénérescence de l ordre...................................

Plus en détail

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Frédéric Messine Introduction Dans ce chapitre, nous allons étudier une application de la dérivation des fonctions de plusieurs variables

Plus en détail

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand

Plus en détail

LE PROBLEME DU PLUS COURT CHEMIN

LE PROBLEME DU PLUS COURT CHEMIN LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs

Plus en détail

Exemple d un modèle de PL. 2. Programmation linéaire a. modélisation. Programmation linéaire (PL) Exemple d un modèle de PL (suite)

Exemple d un modèle de PL. 2. Programmation linéaire a. modélisation. Programmation linéaire (PL) Exemple d un modèle de PL (suite) Exemple d un modèle de PL IFT1575 Modèles de recherche opérationnelle (RO). Programmation linéaire a. modélisation Données du problème (Wyndor Glass, sec..1 H&L): Deux types de produits (produit 1, produit

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

Lecture graphique. Table des matières

Lecture graphique. Table des matières Lecture graphique Table des matières 1 Lecture d une courbe 2 1.1 Définition d une fonction.......................... 2 1.2 Exemple d une courbe........................... 2 1.3 Coût, recette et bénéfice...........................

Plus en détail

Exercice 1 Métropole juin 2014 5 points

Exercice 1 Métropole juin 2014 5 points Le sujet comporte 6 pages. Seule l annexe est à rendre avec la copie. BAC BLANC MATHÉMATIQUES TERMINALE STMG Durée de l épreuve : 3 heures Les calculs doivent être détaillés. Les calculatrices sont autorisées,

Plus en détail

Mini Dictionnaire Encyclopédique Mathématiques. Fonction affine

Mini Dictionnaire Encyclopédique Mathématiques. Fonction affine Fonction affine ) Définition et Propriété caractéristique a) Activité introductive Une agence de location de voiture propose la formule de location suivante : forfait de 50 et 0,80 le km. Quel est le prix

Plus en détail

Utilisation d EXCEL pour résoudre des problèmes de programmation linéaire

Utilisation d EXCEL pour résoudre des problèmes de programmation linéaire Utilisation d EXCEL pour résoudre des problèmes de programmation linéaire Introduction Le solveur d'excel est un outil puissance d'optimisation et d'allocation de ressources. Il peut vous aider à déterminer

Plus en détail

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 Motivation et objectif du cours

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

UNIVERSITE IBN ZOHR Année Universitaire 2014-2015 Faculté des Sciences Juridiques Economiques et Sociales Agadir

UNIVERSITE IBN ZOHR Année Universitaire 2014-2015 Faculté des Sciences Juridiques Economiques et Sociales Agadir UNIVERSITE IBN ZOHR Année Universitaire 2014-2015 Faculté des Sciences Juridiques Economiques et Sociales S5 Agadir Recherche Opérationnelle Corrigé de la série1: Traduction des problèmes en language mathématique

Plus en détail

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES/L

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES/L BACCALAURÉAT GÉNÉRAL SESSION 2015 MATHÉMATIQUES Série ES/L Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) ES : ENSEIGNEMENT OBLIGATOIRE L : ENSEIGNEMENT DE SPECIALITE Les calculatrices électroniques

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Équations et inéquations du 1 er degré

Équations et inéquations du 1 er degré Équations et inéquations du 1 er degré I. Équation 1/ Vocabulaire (rappels) Un équation se présente sous la forme d'une égalité constituée de nombres, de lettres et de symboles mathématiques. Par exemple

Plus en détail

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

«L art de la réussite consiste à s entourer des meilleurs» STAGE INTENSIF OBJECTIF BAC ANALYSE LN & EXPONENTIELLE

«L art de la réussite consiste à s entourer des meilleurs» STAGE INTENSIF OBJECTIF BAC ANALYSE LN & EXPONENTIELLE «L art de la réussite consiste à s entourer des meilleurs» STAGE INTENSIF OBJECTIF BAC ANALYSE LN & EXPONENTIELLE LIBAN 2014 On considère la fonction f définie sur l intervalle [0 ; 5] par f(x) = x+1+e

Plus en détail

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )

DÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation ) DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité

Plus en détail

2B La résolution de modèles linéaires par Excel 2010

2B La résolution de modèles linéaires par Excel 2010 2B La résolution de modèles linéaires par Excel 2010 Nous reprenons ici, de façon plus détaillée, la section où est indiqué comment utiliser le solveur d'excel 2010 pour résoudre un modèle linéaire (voir

Plus en détail

Fonction polynôme du second degré : Forme canonique

Fonction polynôme du second degré : Forme canonique Fonction polynôme du second degré : Forme canonique I) Introduction. Soit g(x) = a(x - s)²+h. Toute fonction polynôme du second degré peut s écrire sous cette forme. Le passage de la forme développée à

Plus en détail

( ) = ax. On dit que f est une fonction linéaire. ( ) = b. On dit que f est une fonction constante.

( ) = ax. On dit que f est une fonction linéaire. ( ) = b. On dit que f est une fonction constante. Chapitre : Fonctions de référence I Fonctions affines Définition d'une fonction affine f est une fonction affine si, et seulement si, il existe deux réels a et b tels que pour tout x, f x ( ) = ax + b

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

En 2005, année de sa création, un club de randonnée pédestre comportait 80 adhérents. Chacune des années suivantes on a constaté que :

En 2005, année de sa création, un club de randonnée pédestre comportait 80 adhérents. Chacune des années suivantes on a constaté que : Il sera tenu compte de la présentation et de la rédaction de la copie lors de l évaluation finale. Les élèves n ayant pas la spécialité mathématique traiteront les exercices 1, 2,3 et 4, les élèves ayant

Plus en détail

SYSTEMES EXERCICES CORRIGES

SYSTEMES EXERCICES CORRIGES Exercice n. SYSTEMES EXERCICES CRRIGES Parmi les couples (8,), (,-,5), (,), (5,), lequel est solution du système Exercice n. x+ y = 7x y= 8 Résoudre par substitution : ) ) x 5y = x+ y= 6 x+ y = 6 5x y=

Plus en détail

RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES

RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES Sommaire 1 Méthodes de résolution... 3 1.1. Méthode de Substitution... 3 1.2. Méthode des combinaisons linéaires... 6 La rubrique d'aide qui suit s'attardera aux

Plus en détail

Restauration d images

Restauration d images Restauration d images Plan Présentation du problème. Premières solutions naïves (moindre carrés, inverse généralisée). Méthodes de régularisation. Panorama des méthodes récentes. Problème général Un système

Plus en détail

TRAVAUX DE RECHERCHE

TRAVAUX DE RECHERCHE TRAVAUX DE RECHERCHE Jacques TANO (01 282 180) / Jaktano75@yahoo.fr cours RO Page 1 SUJET 1 La société des carrières d AZITO a pour objet l extraction et la distribution de matériaux de carrière. Elle

Plus en détail

Correction du baccalauréat STMG Polynésie 17 juin 2014

Correction du baccalauréat STMG Polynésie 17 juin 2014 Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé

Plus en détail

Partie I Le consommateur et la demande

Partie I Le consommateur et la demande Partie I Le consommateur et la demande Chapitre 1 La fonction d utilité 1 Plan du cours 1. Le consommateur. 2. La notion d utilité. 3. Les courbes d indifférence. 4. L optimum du consommateur. 5. Exercices.

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.

Plus en détail

INTRODUCTION AUX PROBLEMES COMBINATOIRES "DIFFICILES" : LE PROBLEME DU VOYAGEUR DE COMMERCE ET LE PROBLEME DE COLORATION D'UN GRAPHE

INTRODUCTION AUX PROBLEMES COMBINATOIRES DIFFICILES : LE PROBLEME DU VOYAGEUR DE COMMERCE ET LE PROBLEME DE COLORATION D'UN GRAPHE Leçon 10 INTRODUCTION AUX PROBLEMES COMBINATOIRES "DIFFICILES" : LE PROBLEME DU VOYAGEUR DE COMMERCE ET LE PROBLEME DE COLORATION D'UN GRAPHE Dans cette leçon, nous présentons deux problèmes très célèbres,

Plus en détail

Introduction à l optimisation

Introduction à l optimisation Université du Québec à Montréal Introduction à l optimisation Donnée dans le cadre du cours Microéconomie II ECO2012 Baccalauréat en économique Par Dominique Duchesneau 21 janvier septembre 2008 Ce document

Plus en détail

Chapitre 9. La théorie du choix du consommateur

Chapitre 9. La théorie du choix du consommateur Chapitre 9 La théorie du choix du consommateur Le consommateur Comment sont prises les décisions de consommation? La théorie économique propose un modèle Le consommateur a un comportement maximisateur

Plus en détail

Fonctions homographiques

Fonctions homographiques Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

Extrait de cours maths 3e. Multiples et diviseurs

Extrait de cours maths 3e. Multiples et diviseurs Extrait de cours maths 3e I) Multiples et diviseurs Multiples et diviseurs Un multiple d'un nombre est un produit dont un des facteurs est ce nombre. Un diviseur du produit est un facteur de ce produit.

Plus en détail

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan Exo7 Systèmes linéaires Vidéo partie 1. Introduction aux systèmes d'équations linéaires Vidéo partie 2. Théorie des systèmes linéaires Vidéo partie 3. Résolution par la méthode du pivot de Gauss 1. Introduction

Plus en détail

La fonction carré Cours

La fonction carré Cours La fonction carré Cours CHAPITRE 1 : Définition CHAPITRE 2 : Sens de variation CHAPITRE 3 : Parité et symétrie CHAPITRE 4 : Représentation graphique CHAPITRE 5 : Equation du type CHAPITRE 6 : Inéquation

Plus en détail

Recherche Opérationnelle Mercredi 06 Novembre 2013 - Contrôle Terminal - Session 1

Recherche Opérationnelle Mercredi 06 Novembre 2013 - Contrôle Terminal - Session 1 Master 2 LT, MPM, MIR Pôle Lamartine - ULCO Recherche Opérationnelle Mercredi 06 Novembre 2013 - Contrôle Terminal - Session 1 Durée de l épreuve : 2h00 Documents interdits. Calculatrice autorisée Exercice

Plus en détail

Lycée Alexis de Tocqueville. BACCALAUREAT TECHNOLOGIQUE Blanc Corrigé. Série S.T.M.G. Février 2015 Épreuve de mathématiques.

Lycée Alexis de Tocqueville. BACCALAUREAT TECHNOLOGIQUE Blanc Corrigé. Série S.T.M.G. Février 2015 Épreuve de mathématiques. Lycée Alexis de Tocqueville BACCALAUREAT TECHNOLOGIQUE Blanc Corrigé Série S.T.M.G. Février 2015 Épreuve de mathématiques Durée 3 heures Le candidat traitera obligatoirement les quatre exercices ******

Plus en détail

Les graphes d intervalles

Les graphes d intervalles Les graphes d intervalles Complément au chapitre 3 «Vol aux archives cantonales» Considérons un ensemble de tâches ayant chacune une heure de début et une heure de fin bien précises. Supposons qu on demande

Plus en détail

Cahier de vacances - Préparation à la Première S

Cahier de vacances - Préparation à la Première S Cahier de vacances - Préparation à la Première S Ce cahier est destiné à vous permettre d aborder le plus sereinement possible la classe de Première S. Je vous conseille de le travailler pendant les 0

Plus en détail

Correction du bac blanc CFE Mercatique

Correction du bac blanc CFE Mercatique Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009

Plus en détail

Fonctions de référence Variation des fonctions associées

Fonctions de référence Variation des fonctions associées DERNIÈRE IMPRESSION LE 9 juin 05 à 8:33 Fonctions de référence Variation des fonctions associées Table des matières Fonction numérique. Définition.................................. Ensemble de définition...........................3

Plus en détail

AEROCLUB DE BORDEAUX FORMATION A LA LICENCE PPL ETUDE STATISTIQUE

AEROCLUB DE BORDEAUX FORMATION A LA LICENCE PPL ETUDE STATISTIQUE AEROCLUB DE BORDEAUX FORMATION A LA LICENCE PPL ETUDE STATISTIQUE Jean-Pierre Duvivier octobre 23 1. INTRODUCTION 2 Cette petite étude présente les résultats d'une enquête effectuée auprès des membres

Plus en détail

Mercredi 24 Juin 2015

Mercredi 24 Juin 2015 BACCALAURÉAT GÉNÉRAL Session 2015 MATHÉMATIQUES Série ES ENSEIGNEMENT OBLIGATOIRE Durée de l épreuve : 3 heures coefficient : 5 MATHÉMATIQUES Série L ENSEIGNEMENT DE SPÉCIALITÉ Durée de l épreuve : 3 heures

Plus en détail

EXERCICES DE. (version 2.0 du 28.02.2010)

EXERCICES DE. (version 2.0 du 28.02.2010) EXERCICES DE THÉORIE DES JEUX (DÉCISION) (version 2.0 du 28.02.2010) EXERCICE 1. Niveau : Gymnase (lycée) Auteur : V. Isoz (isozv@hotmail.com) Mots-clés : Critères décisionnels classiques Enoncé : Un marchand

Plus en détail

Première S Exercices valeur absolue 2010-2011

Première S Exercices valeur absolue 2010-2011 Première S Exercices valeur absolue 2010-2011 Exercice 1 : Résoudre dans Y, les inéquations suivantes : a) 2 < x + 1 < 3 b) 1 x 3 < 4 2 x 3 > 2 c) x + 4 3 Exercice 2 : On souhaite résoudre dans Y l équation

Plus en détail

Baccalauréat STMG Polynésie 17 juin 2014

Baccalauréat STMG Polynésie 17 juin 2014 Baccalauréat STMG Polynésie 17 juin 2014 Durée : 3 heures EXERCICE 1 Cet exercice est un Q.C.M. 4 points Pour chaque question posée, quatre réponses sont proposées parmi lesquelles une seule est correcte.

Plus en détail

«L art de la réussite consiste à s entourer des meilleurs» STAGE INTENSIF OBJECTIF BAC PRIMITIVES, INTEGRALES & CALCUL D AIRES

«L art de la réussite consiste à s entourer des meilleurs» STAGE INTENSIF OBJECTIF BAC PRIMITIVES, INTEGRALES & CALCUL D AIRES «L art de la réussite consiste à s entourer des meilleurs» STAGE INTENSIF OBJECTIF BAC PRIMITIVES, INTEGRALES & CALCUL D AIRES LIBAN 2015 Une entreprise artisanale produit des parasols. Elle en fabrique

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

- 06 - LA GESTION DE LA PRODUCTION : PARTIE 1

- 06 - LA GESTION DE LA PRODUCTION : PARTIE 1 - 06 - LA GESTION DE LA PRODUCTION : PARTIE 1 Objectif(s) : o o Pré requis : o o o Contraintes de production, Optimisation de la gestion de la production. Coût de production, Production sous contraintes,

Plus en détail

Exercices de Programmation Linéaire Modélisation

Exercices de Programmation Linéaire Modélisation Modélisation exercice 1 : On veut préparer 500 litres de punch à partir de cinq boissons A, B, C, D et E. Le punch doit comporter au moins 20% de jus d orange, 10% de jus de pamplemousse et 5% de jus de

Plus en détail

Cours de mathématiques fondamentales 1 année, DUT GEA. Mourad Abouzaïd

Cours de mathématiques fondamentales 1 année, DUT GEA. Mourad Abouzaïd Cours de mathématiques fondamentales 1 année, DUT GEA Mourad Abouzaïd 9 décembre 2008 2 Table des matières Introduction 7 0 Rappels d algèbre élémentaire 9 0.1 Calcul algébrique................................

Plus en détail

9. Équations différentielles

9. Équations différentielles 63 9. Équations différentielles 9.1. Introduction Une équation différentielle est une relation entre une ou plusieurs fonctions inconnues et leurs dérivées. L'ordre d'une équation différentielle correspond

Plus en détail

Sujet 6: Dualité interpretations intuitives

Sujet 6: Dualité interpretations intuitives Sujet 6: Dualité interpretations intuitives MHT 423: Modélisation et optimisation Andrew J. Miller Dernière mise à jour: March 31, 2010 Dans ce sujet... 1 L analyse de sensibilité 2 1 L analyse de sensibilité

Plus en détail

Chapitre 2 - choix efficace et non-efficace des

Chapitre 2 - choix efficace et non-efficace des Chapitre 2 - choix efficace et non-efficace des firmes Arnold Chassagnon Université Paris-Dauphine (LEDA-SDFi) DU1 - Université Paris-Dauphine, 2009-2010 1 Analyse positive - analyse normative 1 Objectif

Plus en détail

POLY-PREPAS ANNEE 2009/2010 Centre de Préparation aux Concours Paramédicaux

POLY-PREPAS ANNEE 2009/2010 Centre de Préparation aux Concours Paramédicaux POLY-PREPAS ANNEE 2009/2010 Centre de Préparation aux Concours Paramédicaux - Section : i-prépa Audioprothésiste (annuel) - MATHEMATIQUES 8 : EQUATIONS DIFFERENTIELLES - COURS + ENONCE EXERCICE - Olivier

Plus en détail

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01

Plus en détail

Mardi le 25 aout 2009, 18h00 à 21h00, local DS-R510

Mardi le 25 aout 2009, 18h00 à 21h00, local DS-R510 Numéro de la copie : Bonne Chance!!! Test d'aptitudes en vue d'attestation de réussite du cours Mat100 : Introduction aux méthodes quantitatives appliquées. Indications générales : Mardi le 5 aout 009,

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X INTRODUCTION La conception d'un mécanisme en vue de sa réalisation industrielle comporte plusieurs étapes. Avant d'aboutir à la maquette numérique du produit définitif, il est nécessaire d'effectuer une

Plus en détail

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES

BACCALAURÉAT GÉNÉRAL. MATHÉMATIQUES Série ES BACCALAURÉAT GÉNÉRAL SESSION 2015 MATHÉMATIQUES Série ES Durée de l épreuve : 3 heures Coefficient : 7 (ES) ES : ENSEIGNEMENT DE SPECIALITE Les calculatrices électroniques de poche sont autorisées conformément

Plus en détail

Chapitre 4 : Dualité en programmation linéaire

Chapitre 4 : Dualité en programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 4 : Dualité en programmation linéaire J.-F. Scheid 1 Plan du chapitre 1 Introduction et définitions 2 Propriétés et Théorèmes de dualité 3 Conditions d optimalité

Plus en détail

Coup de Projecteur sur les Réseaux de Neurones

Coup de Projecteur sur les Réseaux de Neurones Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche

Plus en détail